La inteligencia industrial conquista la última frontera: el diseño de sus propios chips | Ciencia

0 7


Los sistemas que controlan los centros de datos de Google ya utilizan el aprendizaje por refuerzo para mantenerlos en óptimas condiciones. GOOGLE

Un sistema de inteligencia artificial (IA) creado por los ingenieros de Google diseña chips que son tan buenos como los fabricados por humanos, pero en una fracción del tiempo que lleva diseñarlos. Este nuevo método de aprendizaje automático se basa en un sistema de recompensas y castigos inspirado en la psicología del comportamiento. La planificación de microchip fue la última gran remodelación que resistió la automatización. Google ya lo está utilizando para crear sus futuros sistemas de inteligencia artificial.

Antes de que las máquinas fabricaran chips como rosquillas y los metieran en placas de silicona, un ser humano tenía que diseñarlos. Como un arquitecto al diseñar una casa, el ingeniero de construcción hardware planifica la distribución más óptima posible de las diferentes partes del microchip en un modelo. En inglés se llama planimetría (algo así como planificación básica). La catedrática de tecnología electrónica de la Universidad Politécnica de Madrid (UPM) Marisa López-Vallejo la compara con las piezas que se colocarán en Tetris, “pero un Tetris muy complejo”. No es solo que haya millones de piezas para colocar, es que son muy variables en forma y tamaño. Además, debe colocarlos en el menor espacio posible e interconectarlos. Todo esto con la premisa de que todo el sistema sea lo más rápido y potente utilizando la menor cantidad de energía y cable posible. El catedrático de Arquitectura e Informática de la Universidad Autónoma de Madrid (UAM) Eduardo Boemo lo tiene claro: “Esto lo hacen mejor los humanos que las máquinas”.

Ahora la revista Naturaleza publica una investigación que indica que las máquinas pueden hacer lo mismo o mejor que los humanos y mucho más rápido. El trabajo, dirigido por los ingenieros de Google Research Azalia Mirhoseini y Anna Goldie, muestra cómo un método de aprendizaje automático (aprendizaje automático en inglés) diseñaron chips en menos de seis horas, igualando o superando los parámetros más importantes para los humanos.

En un chip hay millones de componentes a colocar y las combinaciones posibles son infinitas pero no todas son óptimas

“Nuestro enfoque puede generar automáticamente diseños básicos que son comparables o superiores a los diseños humanos en términos de desempeño, desempeño y área”, dice Goldie. “Está completamente automatizado y converge en horas, mientras que los expertos humanos pueden tardar meses en entregar resultados”, agrega. En este caso, construyeron un proyecto en menos de seis horas que superó a los creados por el hombre en varias semanas.

Para lograr esto, utilizaron un sistema de inteligencia artificial llamado aprendizaje por refuerzo que toma prestados elementos de la psicología del comportamiento. “Básicamente, enseñamos a una IA a jugar fichas”, dice Mirhoseini, ingeniero de Software de la Búsqueda de Google. “En términos un poco más técnicos, hemos desarrollado un método de aprendizaje por refuerzo (AR) que puede aprender de la experiencia pasada para ser mejor y más rápido en la colocación de nuevos chips”. Alimentado con información sobre los componentes del chip, el tamaño del modelo, las restricciones que tiene o aspectos a optimizar, como la longitud del cable, la congestión del camino o el consumo de energía, el sistema prueba diferentes combinaciones, fortaleciéndose con cada mejora.

José Miguel Hernández-Lobato es profesor de aprendizaje automático en la Universidad de Cambridge. Actualmente está utilizando el aprendizaje por refuerzo para generar moléculas 3D que podrían usarse en nuevos medicamentos o antivirales. “Está superando a los humanos”, dice, donde la secuencia de posibles combinaciones es muy grande. “Como en un videojuego, nadie te dice qué hacer en un momento dado, solo obtienes una puntuación al final del juego”, compara. Lo que hace este sistema de IA es encontrar la secuencia de acciones de mayor puntuación, es decir, dónde colocar el siguiente elemento en el chip. “Los ingenieros lo hacen manualmente, pero si creen que la solución no es óptima, necesitan otras dos o tres semanas para mejorar el chip”, señala.

Borrosas por motivos de seguridad y propiedad industrial, las dos imágenes muestran el diseño de un chip realizado por los ingenieros, a la izquierda, y por el sistema de IA, a la derecha.
Borrosas por motivos de seguridad y propiedad industrial, las dos imágenes muestran el diseño de un chip realizado por los ingenieros, a la izquierda, y por el sistema de IA, a la derecha.Google

La tarea no es fácil, hay millones de componentes en un chip, como puertas lógicas o bloques de memoria. Estos últimos son varios órdenes de magnitud más grandes (todos siempre en la nanoescala), lo que complica la distribución. Además, existen algunas restricciones básicas, como que las conexiones entre los diferentes componentes no se pueden cruzar. José L. Ayala es profesor de la Facultad de Informática de la Universidad Complutense de Madrid (UCM). “Cuando estaba estudiando, planimetría era un arte y los que lo hacían eran mitad ingenieros y mitad artistas ”, recuerda. Hoy en día, la planificación de chips sería imposible sin la ayuda de sistemas de diseño asistido apoyados por algoritmos. Pero son los humanos quienes los dirigen y los que tienen la última palabra. “Además, estos algoritmos no aprenden”, recuerda Ayala. El sistema creado por Google aprende y mejora con cada repetición.

Para López-Vallejo, “con este método están consiguiendo algo mejor e infinitamente más rápido”. Y ahorrar tiempo no solo significa hacer lo mismo en menos horas. “Los seres humanos, cuando ya tienen un plan básico que les queda bien, ya no lo cambian, ya que sería muy caro. Con este sistema puedes deshacerlo y repetir la iteración. Esto es muy valioso “, agrega. Los autores también dicen que su investigación podría tener aplicaciones más allá del diseño de chips, como la planificación urbana, la ingeniería ambiental o la administración de vacunas en sí. En general, podría usarse en la toma de decisiones. gran cantidad de opciones y una pequeña cantidad de recompensas.

Pero los expertos consultados también ven mucha propaganda en esta investigación. Ayala de UCM, por ejemplo, dice que “una cosa es probarlo en un caja cuadrada y otra cosa muy distinta es meterlo en una familia de procesadores como los de Intel ”. Las computadoras domésticas vienen con unidades de procesamiento de propósito general; no se destacan en absoluto, pero son bastante buenas en muchas cosas. “Los procesadores de Google a los que pretenden aplicar este método están altamente optimizados para el aprendizaje automático, por lo que son muy homogéneos en su arquitectura”, recuerda Ayala. Y eso facilita las cosas para la IA.

Por su parte, Boemo aún no ve claramente lo que está haciendo Google al ingresar al campo del diseño de chips. El interés económico es evidente: “Un milímetro de circuito vale una fortuna”, dice. Pero, añade, “las pocas empresas que fabrican circuitos integrados no te dirán cómo son y dudo que Google tenga la materia prima para hacerlo”. Sin embargo, el gigante de los motores de búsqueda anuncia que los futuros chips para sus herramientas de inteligencia artificial serán diseñados por esta inteligencia artificial.

puedes seguir IMPORTA en Facebook, Gorjeo es Instagram, o regístrese aquí para recibir nuestro boletín semanal.



También podría gustarte
Deja una respuesta

Su dirección de correo electrónico no será publicada.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More